基于matlab的图像高斯噪声和椒盐噪声的滤除

参考程序：zhongzhilvbo.m
二、均值滤波
均值滤波原理：
图像空间域平均就是对含噪声原始图像 的每个像素点取一个邻域S，计算S中所有像 素灰度级的平均值，作为空间域平均处理后 图像S域的像素值。S可取3*3、5*5窗口等。
图像平均是以图像模糊为代价来换取噪 声的减小。而且S面积越大，噪声减少越显 著，但模糊性也越大。图像平均往往使图像 中的边界，轮廓边模糊。
二、中值滤波
给定的图像为二维信号，利用中值滤波函数 去除图像中的噪声过程如下：
（1）使用imread()读入原始的彩色图像。
（2）因为使用中值滤波器只能对灰度图像进行处理， 所以利用rgb2gray()将彩色图像转化为灰度图像。 （3）用imnoise()在灰度图像中加入椒盐噪声。 （4）利用medfilt2()函数进行中值滤波,并在matlab环 境下运行。
一、噪声
高斯噪声 是指它的概率密度函数服从高斯分 布（即正态分布）的一类噪声。如果一个噪声 ，它的幅度分布服从高斯分布，而它的功率谱 密度又是均匀分布的，则称它为高斯白噪声。 椒盐噪声 是由图像传感器，传输信道，解码处 理等产生的黑白相间的亮暗点噪声。椒盐噪声 往往由图像切割引起。去除脉冲干扰及椒盐噪 声最常用的算法是中值滤波。 （盐=白色，椒=黑色）
参考程序：junzhilvbo1.m
三、小结
一、对于椒盐噪声，中值滤波效果比均值滤波效果好。 原因： 1、椒盐噪声是幅值近似相等但随机分布在不同的位置上， 图像中有干净点也有污染点。 2、中值滤波是选择适当的点来代替污染点的值，所以处 理效果好。 3、因为噪声的均值不为零，所以均值滤波不能很好地去 除噪声点。 二、对于高斯噪声，均值滤波效果比中值滤波效果好。 原因： 1、高斯噪声是幅值近似正态分布，但分布在每点像素上。 2、因为图像中的每点都是污染点，所以中值滤波选不到 合适的干净点。 3、因为正态分布的均值为零，所以均值滤波可以削弱噪 声。 参考程序：duibi.m
Байду номын сангаас
二、中值滤波
中值滤波是一种典型的低通滤波器,属于非 线性滤波技术,它的目的是保护图像边缘的同 时去除噪声。 中值滤波的基本原理是把数字图像或数字 序列中一点的值用该点的一个邻域中各点值的 中值代替。所谓中值滤波，是指把以某点 （x,y）为中心的小窗口内的所有象素的灰度 按从大到小的顺序排列,若窗口中的象素为奇 数个,则将中间值作为(x，y)处的灰度值。若窗 口中的象素为偶数个，则取两个中间值的平均 值作为(x，y)处的灰度值。
二、中值滤波 优点： 缺点：
克服线性滤波器所带来的图像细节模糊， 对所有象素点采用一致的处理，在滤 而且对滤除脉冲干扰及图像扫描噪声最为有 除噪声的同时有可能改变真正象素点的值， 效。但是对一些细节多，特别是点、线、尖 引入误差，损坏图像的边缘和细节。该算 顶细节多的图像不宜采用中值滤波的方法。 法对高斯噪声和均匀分布噪声就束手无策。 对去除椒盐噪声很有效。
基于matlab的图像高斯噪 声和椒盐噪声的滤除
图像平滑处理
1 2 3 4
噪声 中值滤波
均值滤波
小结
一、噪声
图像信号在产生、传输和记录的过程中，经 常会受到各种噪声的干扰，噪声可以理解为妨碍 人的视觉器官或系统传感器对所接收图像源信息 进行理解或分析的各种元素。 噪声对图像的输入、采集、处理的各个环节 以及最终输出结果都会产生一定影响。图像去噪 是数字图像处理中的重要环节和步骤。去噪效果 的好坏直接影响到后续的图像处理工作如图像分 割、边缘检测等。 一般数字图像系统中的常见噪声主要有：高 斯噪声（主要由阻性元器件内部产生）、椒盐噪 声（主要是图像切割引起的黑图像上的白点噪声 或光电转换过程中产生的泊松噪声）等。